基于改进YOLOv7的高铁异物入侵检测算法

针对复杂环境下高铁轨道入侵异物对列车的安全行驶有严重的威胁，而现有检测方法不能满足实际的高铁轨道异物检测工作，提出一种基于改进YOLOv7的高铁异物入侵检测算法。引入CARAFE算子作为上采样算法，减少输入图像的特征信息损失，增大网络感受野；在YOLOv7模型中引入GhostConv卷积，可以有效地减少模型的计算量和参数量；引入全局注意力机制(Global Attention Mechanisms, GAM),增强全局信息交互能力和表达能力，提高检测性能；采用Alpha＿GIoU损失函数，提升小目标的检测能力和模型的收敛速度。实验结果表明，改进后的YOLOv7-CGGA模型的平均检测精度(mean Average Precision, mAP)和平均每秒推理速度(Frames Per Second, FPS)值分别达到96.7%和96.1,与原YOLOv7模型相比，分别提升了1.6%和31.1,较好地平衡了模型的检测精度和效率，可以满足实际的检测需求。